Las Siete Herramientas de Control de Calidad (QC) son técnicas importantes para resumir y analizar datos al abordar la resolución de problemas relacionados con la gestión de la calidad
En este capíturo, aprenderemos sobre Las Siete Herramientas de Control de Calidad (QC) y me gustaría que entiendan lo siguiente.
Comprender el nombre y el contenido de cada una de Las Siete Herramientas de Control de Calidad (QC)
Comprender las características, la forma de crearlas y las manera de interpretarlas para cada método.
Comprensión de las situaciones en las que se utilizan Las Siete Herramientas de Control de Calidad (QC) para avanzar en la resolución de problemas.
import os
try:
os.chdir('../Python/QCKentei4')
except:
pass
path = os.getcwd()
path
'/Users/takanohiroshi/Library/CloudStorage/OneDrive-個人用/Documenten/Python/QCKentei4'
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
import random
from scipy.stats import norm
from PIL import Image
import gspread
from google.oauth2.service_account import Credentials
QC七つ道具
QC七つ道具とは
En la gestión de calidad(品質管理), es importante extraer información de los datos recopilados, reflexionar sobre esa información y tomar las medidas adecuadas. Por lo tanto, la información obtenida de los datos debe ser precisa y, debe ser a través de un método eficiente.
Las Siete Herramientas de Control de Calidad (QC) son instrumentos relacionados con la forma de resumir datos(データのまとめ方), que permiten procesarlos y representarlos gráficamente, haciendo visible la información(データの見える化). Se utilizan frecuentemente en la resolución de problemas(問題解決) dentro de la gestión de la calidad.
Las siete herramientas del control de calidad permiten representar los datos en gráficos(グラフ化) para extraer información de forma sencilla.
QC七つ道具の特徴
Metodologías sencillas que cualquiera puede utilizar de inmediato. やさしい手法で誰でもすぐに使える
Se utilizan principalmente para analizar datos numéricos. 主に数値データを解析する
Se emplean en diversas etapas de la resolución de problemas. 問題解決のいろいろな場面で使用する
Las metodologías se representan gráficamente, lo que permite comprender los resultados de un vistazo. 手法は図で示され、一目で結果が理解できる
QC七つ道具の各手法
Diagrama de Pareto: パレート図 Permite identificar los problemas prioritarios(重点指向) en los que se debe enfocar la atención.
Diagrama de Causa-Efecto (Diagrama de Ishikawa o Diagrama de Espina de Pescado): 特性要因図 Organiza las relaciones entre un efecto (característica) y sus posibles causas (factores)(特性と要因の関係).
Hoja de Verificación (Checklist o Hoja de Recolección de Datos): チェックシート Facilita la recolección y el registro de datos de forma sencilla(簡単に収集・記録), así como la realización de inspecciones y verificaciones(点検・確認).
Histograma: ヒストグラム Permite comprender la tendencia central y la dispersión(データの中心やばらつき) de los datos.
Diagrama de Dispersión: 散布図 Ayuda a identificar la relación entre dos conjuntos de datos emparejados(2つのデータ間).
Gráficos (Diagramas): グラフ Permiten visualizar la magnitude(大小) de los datos y su evolución en el tiempo(時間的推移).
Gráfico de Control: 管理図 Ayuda a comprender la variación de un proceso a lo largo del tiempo y a determinar si el proceso se encuentra bajo control estadístico(工程が管理状態).
Estratificación: 層別 Divide los datos en grupos(グループ) en función de sus similitudes o características comunes(共通点や特徴).
パレート図
En la vida diaria, cuando un grupo numeroso de personas tiene que tomar una decisión, a veces se decide por mayoría de votos. Estas es una forma de tomar decisiones considerando las opiniones de la mayoría. De manera similar, en la resolución de problemas, es necesario concentrarse en los elementos que tienen mayor cantidad o impacto.
Un Diagrama de Pareto es una gráfica(グラフ化) que organiza valores de una característica específica (como frecuencia de ocurrencia o pérdidas económicas) en categorías, ordenadas de mayor a menor cantidad de tados, permitiendo identificar de un vistazo en qué categorías se debe enfocar la atención.
Por ejemplo, cuando se les pregunta a los estudiantes de primaria qué quieren ser de mayores, muchos eligen profesiones populares, mientras que el resto, un grupo más pequeño, tiene una variedad de opciones sin una inclinación clara hacia ninguna en particular.
No solo en este ejemplo, sino que en general, una minoría de elementos son responsables de la mayor parte del impacto, mientras que la mayoría de los elementos tienen un impacto menor, a pesar de ser numerosos. Esto se conoce como el Principio de Pareto (o Ley de Pareto)(パレートの法則).
El diagrama de Pareto, que se basa en la ley de Pareto, se utiliza a menudo para decidir qué problemas abordar de forma prioritaria cundo hay varios problemas. En otras palabras, es un método que permite visualizar que es lo más importante basándose en los datos.
El diagrama de Pareto es una de las herramientas de enfoque prioritario(重点指向). Se utiliza para decidir, con un enfoque prioritario, a qué problemas se va a dar solución y para establecer los objetivos de mejora al abordar la resolución de un problema.
パレート図のつくり方
Se toman datos sobre el número de defectos, la cantidad de pérdidas o el número de fallos, y se clasifican por causa, fenómeno, proceso o tipo de producto. Luego, los datos se ordenan de mayor a menor y su magnitud se representa con la altura de una barra. En este caso, los elementos con un número de datos pequeño menor se agrupan en una categoría llamada otros y se colocan al final de la lista de elementos.
Luego, se muestra en un gráfico de lineas la suma acumulada de los datos, ordenados de mayor a menor. De esta manera, se puede ver qué proporción del total representan los elementos a los que se les debe dar prioridad.
from PIL import Image
img = Image.open('./Data4/Pareto_Chart.png')
display(img)
パレート図の特徴
Se puede ver el orden de importancia de los elementos o la magnitud de los problemas(重要な項目).
Puede ver qué porcentaje del total representa cada elemento.
Se puede predecir el efecto que se obtendrá al reducir un determinado elemento.
Al comparar antes y después de implementar una medida, se puede ver cómo ha cambiado el efecto sobre el objetivo y el contenido de los elementos.
パレート図の活用ポイント
Puedes investigar qué tan efectivo sería reducir un elemento en particular y en qué medida.
Observa los problemas desde diferentes ángulos e intenta cambiar la forma de clasificarlos.
Si la cantidad de datos en la categoría "otros" es demasiado grande, se debe reconsiderar el método de clasificación de los valores característicos.
Para comparar los diagramas de Pareto de antes y después de una mejora, es útil mantener la escala del eje vertical igual, ya que así se puede entender mejor el efecto de la mejora.
img = Image.open("./Data4/Pareto3.png")
display(img)
特性要因図
En nuestra vida cotidiana, enfrentamos una variedad de problemas. Para resolverlos, debemos tomar medidas que aborden sus causas. Sin embargo, hay muchos factores que influyen en un problema, por lo que es necesario encontrar las causas que tienen un impacto más significativo.
Un Diagrama de Causa-Efecto es una representación gráfica que muestra sistemáticamente la relación entre un resultado結果 (característica特徴) y sus causas原因 (factores要因), siendo una técnica para organizar cómo los factores están relacionados con la característica.
En la resolución de problemas, al investigar las causas,se utiliza el diagrama de causa y efecto (o diagrama de Ishikawa) para organizar las relaciones de causa y efecto y para extraer los diversos factores que influyen en el problema.
特性要因図のつくり方
Elige la característica que será el problema y anota la característica y la espina dorsal del diagrama. Después, añade los huesos grandes, medianos, pequeños y sus sub-ramas. Al hacerlo, organiza los factores del tal manera que estén conectados de forma sistemática y, en lo posible, especifica los factores de manera concreta.
Verifica que no falte ni se omita ningún factor, y marca los que consideres importantes.
img = Image.open("./Data4/DiagramaDeIshikawa.png")
display(img)
特性要因図の作成時の注意点
特性要因図の活用ポイント
チェックシート
Al contar objetos en la vida diaria o al recopilar datos de inspección en una fábrica, no se deben cometer errores como contar mal o pasar por alto una inspección. Por ello, es necesario idear métodos de recopilación de datos para garantizar la precisión y evitar errores.
Una Hoja de Verificación (o Checklist) es un diagrama o tabla donde se definen de antemano los elementos a verificar, facilitando la recolección sencilla de datos, su organización y el registro de manera que se pueda comprender fácilmente la situación general.
Hoja de verificación para registro e investigación: El objetivo de una hoja de verificación para registro e investigación es recopilar datos con el fin de cumplir con los propósitos de la inspección. Principalmente, maneja datos sobre el contenido de defectos, la ubicación de las fallas y las distribuciones de frecuencia.
Hoja de verificación para inspección y confirmación: El objetivo de una hoja de verificación para la inspección y confirmación es asegurar que se cumplan los puntos de control preestablecidos. Se utiliza principalmente para la inspección de maquinaria y equipo, mantenimiento diario, operaciones de seguridad y para mantener el orden y la limpieza.
En la resolución de problemas, la hoja de verificación se utiliza para la recopilación de datos al momento de entender la situación actual y para confirmar los resultados después de implementar una mejora.
チェックシートの特徴
チックシート作成時の注意点
img = Image.open("./Data4/Hoja de verificación.png")
display(img)
ヒストグラム
En nuestro entorno hay una gran cantidad de datos numéricos. Sin embargo, el simple hecho de observar los números no nos da información detallada como la posición central o la dispersión (distribución) de los datos, lo que dificulta tomar medidas. Para obtener información a partir de los datos numéricos, es necesario procesarlos y representarlos visualmente en gráficos para que sean más fáciles de entender.
Un histograma es un diagrama de barras que representa la distribución de un conjunto de datos. Los datos se dividen en intervalos (clases) y la altura de cada barra indica la frecuencia (número de datos) que cae dentro de ese intervalo. Permite visualizar la distribución de los datos y su relación con las especificaciones.
Para la resolución de problemas, se utilizan histogramas para investigar las causas, ya que permiten visualizar la forma de la distribución, la media y la dispersión, entre otras cosas.
ヒストグラムのつくり方
Para datos de valores medidos, como la longitud, el peso, el tiempo o la dureza, se divide el rango en el que se encuentran los datos en varios intervalos, se cuenta la frecuencia de los datos que caen en cada intervalo y se crea una tabla de frecuencias.
Al alinear un gráfico de barras con la altura de la frecuencia de cada intervalo, se puede ver la distribución general de los datos.
Si se dispone de un valor medio o un valor estándar, se puede dibujar una línea para ver qué tan bien se ajustan los datos a la especificación.
ヒストグラムの見方
Se puede observar la tendencia central y el grado de dispersión desde las siguientes perspectivas.
Juzgar si la calidad del producto cumple con las especificaciones.
img = Image.open("./Data4/Histograma.png")
display(img)
img = Image.open("../QCKentei3/Graph3/Histgram1.png")
display(img)
歯抜け型
A menudo, este tipo de forma se debe a problemas en la forma en que se agruparon los datos al crearlo. Si el ancho de los intervalos no se tomó como un múltiplo entero de la unidad de medida, o si los datos se leyeron de forma sesgada durante la medición, se obtendrá esta forma.
img = Image.open("../QCKentei3/Graph3/Histgram2.png")
display(img)
二山型
Si la distribución presenta dos picos, esto indica que hay dos distribuciones con medias diferentes mezcladas. En este caso, es necesario identificar si existe algún factor de estratificación, dividir los datos en dos grupos y volver a crear los histogramas.
img = Image.open("../QCKentei3/Graph3/Histgram3.png")
display(img)
離れ小島形
Cuando hay anomalías en el proceso, mezcla de muestras diferentes o errores de medición, a menudo se observa una distribución con valores aislados. Es necesario investigar la causa y tomar medidas correctivas.
img = Image.open("../QCKentei3/Graph3/Histgram4.png")
display(img)
絶壁形
En realidad, debieron existir datos fuera de límites abruptos. Esto ocurre cuando se realiza una inspección al 100% y se eliminan los elementos fuera de especificación, o cuando se manipulan los elementos que estarían fuera de especificación para que entren dentro de los límites.
img = Image.open("../QCKentei3/Graph3/Histgram5.png")
display(img)
散布図
En nuestras vidas hay una gran cantidad de datos numéricos y algunos de ellos tienen una relación de causa y efecto.
Un Diagrama de Dispersión es una gráfica que muestra la relación mutua (correlación) entre dos tipos de datos emparejados.
En la resolución de problemas, se utiliza un diagrama de dispersión para ver si existe una correlación(相関関係) y cuál es el grado de la misma entre dos conjuntos de datos emparejados de causa (factor x) y efecto (característica y).
Se dice que hay una correlación cuando existe algún tipo de relación entre $ x $ e $ y $. Un diagrama de dispersión es una técnica para investigar esta correlación.
En cuanto a la correlación, se dice que hay una correlación positiva(正の相関) cuando la relación es que, a medida que $ x $ aumenta, $ y $ también lo hace. Por el contrario, la relación en la que a medida que $ x $ aumenta, $ y $ disminuye, se llama correlación negativa(負の相関).
散布図のつくり方
Se recolectan dos tipos de datos emparejados, como características y factores, o resultados y causas, y se grafican en los ejes vertica (eje y) y horizontal (eje x).
A partir de la dispersión de los puntos en un diagrama de dispersión, se puede determinar si existe una correlación entre los dos tipos de datos. También se identifica si hay puntos inusuales (valores atípicos) que se alejen del conjunto de datos.
img = Image.open("./Data4/Dispersión.png")
display(img)
散布図の見方
Correlación positiva fuerte
Existe una correlación positiva débil:
Existe una correlación negativa fuerte:
Hay una acellelación negativa débil:
No hay correlación:
Relación no lineal:
img = Image.open("./Data4/Disperción10.png")
display(img)
散布図を見るときの注意点
¿Hay puntos anormales? / ¿Existen puntos atípicos? / ¿Se observan valores inusuales? 異常な点はないか
¿Cuál es la relación entre los dos conjuntos de datos? ¿Cómo es la relación entre los dos datos? / ¿Qué tipo de relación existe entre los dos datos? 2つのデータ間の関係はどうか
¿Es necesario estratificar los datos? データを層別する必要がないか
¿No será una correlación espuria? / ¿No se tratará de una correlación falsa? / ¿Podría ser una correlación engañosa? 偽装間ではないか
¿Cuál es la relación técnica? / ¿Cómo es la relación técnica? / ¿Existe una relación técnica? 技術的な関係はどうか
グラフ
Diariamente, vemos a menudo gráficos de datos en la televisión, revistas e internet. Esto se debe a que, si se presentan los datos en una tabla tal cual, son difíciles de entender, por lo que se visualizan. En otras palabras, la visualización permite que la información se comprenda de forma fácil y rápida.
Un Gráfico (o Diagrama) es una representación visual de datos que permite comprender de un vistazo la magnitud de los valores y sus cambios a lo largo del tiempo, siendo la metodología más utilizada dentro de las site herramientas de la calidad.
En la resolución de problemas, se utilizan gráficos en diversas situaciones, como para comprender la situación actual, investigar las causas o verificar la efectividad de las contramedidas.
グラフの利点
グラフの種類と用途
Gráfico de líneas / Diagrama de líneas 折れ線グラフ
Gráfico de barras / Diagrama de barras 棒グラフ
Gráfico de circular / Diagrama de pastel / Gráfico de torta 円グラフ
Gráfico de barras apiladas / Diagrama de barras apiladas / Gráfico de banda 帯グラフ
Gráfico de radar / Diagrama de radar / Gráfico de araña / Diagrama de araña レーダーチャート
Gráfico de líneas: 折れ線グラフ Un gráfico de líneas toma los valores de una característica en el eje vertical y marca los días o las horas en que se recopilaron los datos en el eje horizontal, uniéndolos con una línea.
Se utiliza principalmente para comprender la evolución de los datos a lo largo del tiempo. En un gráfico de líneas, si se cambian los tipos de líneas o puntos según los factores de estratificación, se pueden observar las diferencias en la tendencias temporales de cada uno de ellos.
img = Image.open("./Data4/GraficoDeLinea.png")
display(img)
Gráfco de barras: 棒グラフ Un gráfico de barras representa los valores de una característica en el eje vertical y las categorías de clasificación en el eje horizontal, mostrándose en forma de columnas.
El objetivo principal es mostrar la relación de magnitud entre las cantidades.
img = Image.open("./Data4/GraficoDeBarras.png")
display(img)
Gráfico circular (o de pastel): 円グラフ Es un gráfico que representa el total como un círculo, y las proporciones de cada componente se muestran dividiendo el círclo en secciones.
Es fácil de entender, ya que la proporción de cada componente se representa por el tamaño del sector circular. Además, al cambiar el tamaño del círculo. se pueden mostrar simultáneamente las diferencias en la proporción y las diferencias en la magnitud de las cantidades.
img = Image.open("./Data4/GraficoCircular.png")
display(img)
Gráfico de barras (o de cintas): 帯ブラフ Es un gráfico que representa el total como un rectángulo, y las proporciones de cada componente se muestran dividiéndolo en rectángulos más pequeños.
Al cambiar el tamaño del rectángulo total, se pueden comparar simultáneamente las diferencias en la proporción y en la magnitud de las cantidades. Por lo tanto, aunque su uso es muy similar al del gráfico circular, el gráfico de barras apiladas permite comparar más fácilmente las proporciones y las cantidades de un mismo componente al unirlos con una línea.
img = Image.open("./Data4/GraficoDeBarraApiladas.png")
display(img)
El gráfico de radar: レーダーチャート Es un tipo de gráfico que se utiliza para visualizar el equilibrio entre varios elementos. Consiste en colocar escalas en la dirección de un polígono, marcar los datos de cada elemento y unirlos con líneas.
Se utiliza cuando se desea ver el grado de equilibrio de todos los elementos. Cuando hay varios gráficos de radar, se puede comparar la evaluación general comparando el tamaño de los polígonos.
img = Image.open("./Data4/GraficoDeRadar2.png")
display(img)
グラフの注意点
Hay varios tipos de gráficos, por lo que al organizar los datos y representarlos en un gráfico, la información se vuelve más fácil de interpretar que si solo se presentará en una tabla. Por lo tanto, es importante pensar en el propósito (qué se quiere comunicar y qué se quiere resaltar) y seleccionar el gráfico adecuado para ese objetivo.
管理図
Aunque un gráfico de líneas representa los datos trazando su movimiento a lo largo del tiempo, es necesario determinar si ese movimiento es estadísticamente significativo.
Un Gráfico de Control es una herramienta que utiliza un eje vertical para representar los valores de un estadístico (como la media, el rango, la tasa de defectos o el número de defectos) y un eje horizontal para representar las observaciones continuas (generalmente en función del tiempo o el número de muestra). Se utiliza para investigar si un proceso se encuentra en un estado de control estadístico (análisis de procesos) o para mantener un proceso en un estado controlado (control de procesos).
Los gráficos de control se utilizan para detectar anomalías en un proceso y para evaluar el estado de las variaciones y tendencias a lo largo del tiempo.
Cuando se gestiona un proceso, es necesario asegurarse de que no haya ocurrido ninguna anomalía y de que el proceso esté estable. Aunque no haya anomalías en el proceso, la calidad de cada producto varia, por lo que los datos también fluctúan. Por lo tanto, para detectar una anomalía en un proceso, es necesario distinguir si la dispersión de los datos se debe únicamente a causas aleatorias o a una causa anormal. Los gráfico de control son útiles para esto.
En los gráficos de control, para realizar juicios estadísticos, se dibujan tres líneas de control que se obtienen calculando a partir de los datos: la línea central (CL), el límite de control superior (UCL) y el límite de control inferior (LCL).
管理図のつくり方
Se crean subgrupos, se recopilan los datos, se calcula la media $ \bar{X} $ y el rango $ R $ para cada subgrupo, y se crea un gráfico de líneas para cada uno de ellos en orden cronológico. El tamaño del subgrupo debe ser de 2 a 5.
Para cada uno de los gráficos de control $ \bar{X} $ y $ R $, se calculan y se trazan la Línea Central (CL), el Límite de Control Inferior (LCL) y el Límite de Control Superior (UCL).
Verificar si hay alineaciones anómalas.
管理図の見方
A continuación, se observa el gráfico de control desde las siguientes perspectivas para determinar si el proceso está bajo control o no. En ese momento, el proceso se considera fuera de control si se cumple alguna de las siguientes dos condiciones:
El punto en el gráfico de control está fuera de los límites de control (LCL, UCL).
Aunque los puntos están dentro de los límites de control, la forma en que se alinean y dispersan tiene un patrón peculiar.
img = Image.open("./Data4/Kanrizu.png")
display(img)
層別
Al crear un diagrama de Pareto, un diagrama de dispersión o un gráfico de control, si se comparan los datos dividiéndolo en grupos, se pueden identificar las diferencia entre estos.
La estratificación consiste en dividir los datos en varios grupos (estratos) en función de los puntos en común(共通点) o las características que poseen(特徴).
En la resolución de problemas, al investigar las causas, se comparan las diferencias entre estratos para analizar la causa de la variación de los datos.
Este es un histograma creado para las dimensiones. Se puede observar que la distribución tiene dos picos. Por lo tanto, se realizó una estratificación por la Máquina 1 y la Máquina 2 y se crearon histogramas separados. No hay una diferencia significativa en la dispersión de ambas, pero se puede ver que la Máquina 1 tiene un promedio más bajo que la Máquina 2.
img = Image.open("./Data4/8_19.png")
display(img)
Es una representación de la relación entre el número de visitantes y las ventas de un día en un centro comercial.
En general parece que no hay correlación, pero al estratificar y graficar los productos de bajo precio y uso general (Producto A: circulo azul) y los productos de alto precio y preferencia (Product B: círculo rojo), se observa que el Producto A tiene una correlación positiva entre el número de visitantes y las ventas. Por otro lado, el Producto B parece no tener una relación de correlación.
img = Image.open("./Data4/8_20.png")
display(img)
層別の注意点
Para facilitar la estratificación, mantén claro el historial de los datos.
Intenta estratificar los datos con diferentes criterios.
Intenta estratificar los datos no solo por un factor, sino también combinando dos o más (por ejemplo, por material y por equipo).
valor atípico/ Dato anómalo
¿Qué es un valor atípico (outlier)? / Definición de valor anormal (outlier)
Un valor atípico (o outlier) es un dato que aparece al recopilar información. Se refiere a un dato que se encuentra extremadamente alejado de los demás valores.
Tratamiento de los valores atípicos / Cómo abordar los datos anómalos
ブレーンストーミング
Es un método en el que varias personas comparten libremente sus opiniones e ideas para generar ideas y conceptos sobresalientes.
Las Cuatro Reglas: 4つのルール
Prohibido criticar (No criticar / Se prohíben las críticas) 批判禁止
Libre asociación (Ideas libres / Pensamiento libre). 自由奔放
Cantidad es importante (Generar mucha ides / La cantidad es clave). 量を多く
Aprovechar las ideas de otros (Construir sobre las ideas de otros / Se valora la combinación de ideas). 便乗歓迎
from IPython.display import display
from PIL import Image
import gdown
import re
def get_file_id(url,out):
# 正規表現でファイルIDを抽出
match = re.search(r'/d/([a-zA-Z0-9_-]+)', url)
if match:
file_id = match.group(1)
print("ファイルID:", file_id)
else:
print("ファイルIDが見つかりませんでした。")
url = f"https://drive.google.com/uc?id={file_id}"
output = out
gdown.download(url, output, quiet=False)
img = Image.open(out)
display(img)
url= 'https://drive.google.com/file/d/1Tl9J-MT3FPVhIs77vWX64d-rm-dpteLD/view?usp=drive_link'
out = './Data4/Pareto_Chart.png'
get_file_id(url,out)
ファイルID: 1Tl9J-MT3FPVhIs77vWX64d-rm-dpteLD
Downloading... From: https://drive.google.com/uc?id=1Tl9J-MT3FPVhIs77vWX64d-rm-dpteLD To: /Users/takanohiroshi/Library/CloudStorage/OneDrive-個人用/Documenten/Python/QCKentei4/Data4/Pareto_Chart.png 100%|██████████| 188k/188k [00:00<00:00, 4.14MB/s]
url= 'https://drive.google.com/file/d/1zjzx_eCFG9zfV9liWDanz0IKsklvRV-4/view?usp=drive_link'
out = './Data4/Pareto3.png'
get_file_id(url,out)
ファイルID: 1zjzx_eCFG9zfV9liWDanz0IKsklvRV-4
Downloading... From: https://drive.google.com/uc?id=1zjzx_eCFG9zfV9liWDanz0IKsklvRV-4 To: /Users/takanohiroshi/Library/CloudStorage/OneDrive-個人用/Documenten/Python/QCKentei4/Data4/Pareto3.png 100%|██████████| 92.7k/92.7k [00:00<00:00, 1.21MB/s]
url= 'https://drive.google.com/file/d/164KSiQAj_d3ozhIYDFhzupr6k3Qs37LX/view?usp=drive_link'
out = './Data4/DiagramaDeIshikawa.png'
get_file_id(url,out)
ファイルID: 164KSiQAj_d3ozhIYDFhzupr6k3Qs37LX
Downloading... From: https://drive.google.com/uc?id=164KSiQAj_d3ozhIYDFhzupr6k3Qs37LX To: /Users/takanohiroshi/Library/CloudStorage/OneDrive-個人用/Documenten/Python/QCKentei4/Data4/DiagramaDeIshikawa.png 100%|██████████| 59.9k/59.9k [00:00<00:00, 1.08MB/s]
url= 'https://drive.google.com/file/d/1hSKuEL_tELoGwqb0b3ffx5pl-iAiKs5s/view?usp=drive_link'
out = './Data4/Hoja de verificación.png'
get_file_id(url,out)
ファイルID: 1hSKuEL_tELoGwqb0b3ffx5pl-iAiKs5s
Downloading... From: https://drive.google.com/uc?id=1hSKuEL_tELoGwqb0b3ffx5pl-iAiKs5s To: /Users/takanohiroshi/Library/CloudStorage/OneDrive-個人用/Documenten/Python/QCKentei4/Data4/Hoja de verificación.png 100%|██████████| 67.2k/67.2k [00:00<00:00, 1.05MB/s]
url= 'https://drive.google.com/file/d/1-TbXLUN374xuZPsokVGhPqyxbLSWHlZ9/view?usp=drive_link'
out = './Data4/Histograma.png'
get_file_id(url,out)
ファイルID: 1-TbXLUN374xuZPsokVGhPqyxbLSWHlZ9
Downloading... From: https://drive.google.com/uc?id=1-TbXLUN374xuZPsokVGhPqyxbLSWHlZ9 To: /Users/takanohiroshi/Library/CloudStorage/OneDrive-個人用/Documenten/Python/QCKentei4/Data4/Histograma.png 100%|██████████| 34.2k/34.2k [00:00<00:00, 1.01MB/s]
url= 'https://drive.google.com/file/d/1-LzzDHX6Tq2tVtURmTbQ-l1A4LCfxlAW/view?usp=drive_link'
out = './Data4/Dispersión.png'
get_file_id(url,out)
ファイルID: 1-LzzDHX6Tq2tVtURmTbQ-l1A4LCfxlAW
Downloading... From: https://drive.google.com/uc?id=1-LzzDHX6Tq2tVtURmTbQ-l1A4LCfxlAW To: /Users/takanohiroshi/Library/CloudStorage/OneDrive-個人用/Documenten/Python/QCKentei4/Data4/Dispersión.png 100%|██████████| 36.2k/36.2k [00:00<00:00, 1.00MB/s]
url= 'https://drive.google.com/file/d/1L7OeUAsuWKytrvpw20KoL_psDQ3T3yLH/view?usp=drive_link'
out = './Data4/GraficoDeLinea.png'
get_file_id(url,out)
ファイルID: 1L7OeUAsuWKytrvpw20KoL_psDQ3T3yLH
Downloading... From: https://drive.google.com/uc?id=1L7OeUAsuWKytrvpw20KoL_psDQ3T3yLH To: /Users/takanohiroshi/Library/CloudStorage/OneDrive-個人用/Documenten/Python/QCKentei4/Data4/GraficoDeLinea.png 100%|██████████| 46.7k/46.7k [00:00<00:00, 1.02MB/s]
url= 'https://drive.google.com/file/d/1-Mvekc9ergacWewRnFPLcSDJipkd-cG_/view?usp=drive_link'
out = './Data4/GraficoDeBarras.png'
get_file_id(url,out)
ファイルID: 1-Mvekc9ergacWewRnFPLcSDJipkd-cG_
Downloading... From: https://drive.google.com/uc?id=1-Mvekc9ergacWewRnFPLcSDJipkd-cG_ To: /Users/takanohiroshi/Library/CloudStorage/OneDrive-個人用/Documenten/Python/QCKentei4/Data4/GraficoDeBarras.png 100%|██████████| 31.8k/31.8k [00:00<00:00, 1.16MB/s]
url= 'https://drive.google.com/file/d/1-OmvZpAqyiQ0qcp3AR6BKBx4Pv_I4ZPf/view?usp=drive_link'
out = './Data4/GraficoCircular.png'
get_file_id(url,out)
ファイルID: 1-OmvZpAqyiQ0qcp3AR6BKBx4Pv_I4ZPf
Downloading... From: https://drive.google.com/uc?id=1-OmvZpAqyiQ0qcp3AR6BKBx4Pv_I4ZPf To: /Users/takanohiroshi/Library/CloudStorage/OneDrive-個人用/Documenten/Python/QCKentei4/Data4/GraficoCircular.png 100%|██████████| 46.5k/46.5k [00:00<00:00, 981kB/s]
url= 'https://drive.google.com/file/d/1-QLS9zvqEV6LIFL_0g4WXOqzjQWh2pK8/view?usp=drive_lin'
out = './Data4/GraficoDeBarraApiladas.png'
get_file_id(url,out)
ファイルID: 1-QLS9zvqEV6LIFL_0g4WXOqzjQWh2pK8
Downloading... From: https://drive.google.com/uc?id=1-QLS9zvqEV6LIFL_0g4WXOqzjQWh2pK8 To: /Users/takanohiroshi/Library/CloudStorage/OneDrive-個人用/Documenten/Python/QCKentei4/Data4/GraficoDeBarraApiladas.png 100%|██████████| 52.3k/52.3k [00:00<00:00, 1.25MB/s]
url= 'https://drive.google.com/file/d/1-8P72oGEdBXnhN13BOHX-d72tBEmgWya/view?usp=drive_link'
out = './Data4/Kanrizu.png'
get_file_id(url,out)
ファイルID: 1-8P72oGEdBXnhN13BOHX-d72tBEmgWya
Downloading... From: https://drive.google.com/uc?id=1-8P72oGEdBXnhN13BOHX-d72tBEmgWya To: /Users/takanohiroshi/Library/CloudStorage/OneDrive-個人用/Documenten/Python/QCKentei4/Data4/Kanrizu.png 100%|██████████| 195k/195k [00:00<00:00, 1.68MB/s]
url= 'https://drive.google.com/file/d/1OYFfIYc36GTGv5O91926M9MH7UK4J8_o/view?usp=drive_link'
out = './Data4/8_19.png'
get_file_id(url,out)
ファイルID: 1OYFfIYc36GTGv5O91926M9MH7UK4J8_o
Downloading... From: https://drive.google.com/uc?id=1OYFfIYc36GTGv5O91926M9MH7UK4J8_o To: /Users/takanohiroshi/Library/CloudStorage/OneDrive-個人用/Documenten/Python/QCKentei4/Data4/8_19.png 100%|██████████| 58.0k/58.0k [00:00<00:00, 1.04MB/s]
url= 'https://drive.google.com/file/d/1pcXH7yyFf9vVVvND_9BwFmzWoLeq5cH-/view?usp=drive_link'
out = './Data4/8_20.png'
get_file_id(url,out)
ファイルID: 1pcXH7yyFf9vVVvND_9BwFmzWoLeq5cH-
Downloading... From: https://drive.google.com/uc?id=1pcXH7yyFf9vVVvND_9BwFmzWoLeq5cH- To: /Users/takanohiroshi/Library/CloudStorage/OneDrive-個人用/Documenten/Python/QCKentei4/Data4/8_20.png 100%|██████████| 86.9k/86.9k [00:00<00:00, 1.10MB/s]
url= 'https://drive.google.com/file/d/1qCcrB3zCgheNUwZIf1981l8H6RLMLmSE/view?usp=drive_link'
out = "./Data4/Disperción10.png"
get_file_id(url,out)
ファイルID: 1qCcrB3zCgheNUwZIf1981l8H6RLMLmSE
Downloading... From: https://drive.google.com/uc?id=1qCcrB3zCgheNUwZIf1981l8H6RLMLmSE To: /Users/takanohiroshi/Library/CloudStorage/OneDrive-個人用/Documenten/Python/QCKentei4/Data4/Disperción10.png 100%|██████████| 49.2k/49.2k [00:00<00:00, 1.08MB/s]
url= 'https://drive.google.com/file/d/19QGK8tEPwqQJjpipL4EJaYOgfpmomE2P/view?usp=drive_link'
out = "./Data4/GraficoDeRadar2.png"
get_file_id(url,out)
ファイルID: 19QGK8tEPwqQJjpipL4EJaYOgfpmomE2P
Downloading... From: https://drive.google.com/uc?id=19QGK8tEPwqQJjpipL4EJaYOgfpmomE2P To: /Users/takanohiroshi/Library/CloudStorage/OneDrive-個人用/Documenten/Python/QCKentei4/Data4/GraficoDeRadar2.png 100%|██████████| 109k/109k [00:00<00:00, 3.25MB/s]
notebook_name = 'QCKentei4-8.ipynb'
notebook_name_html = notebook_name.replace(".ipynb",".html")
!jupyter nbconvert --to html {notebook_name}
[NbConvertApp] Converting notebook QCKentei4-8.ipynb to html [NbConvertApp] Writing 6420914 bytes to QCKentei4-8.html